Choquet模糊积分特征融合的步态识别

研究一种利用Choquet模糊积分对小波矩特征和人体宽度特征进行融合的步态识别算法。该算法对每个步态序列采用背景减除法提取人的二值化的运动轮廓图像序列,利用人体步态周期图像的小波矩特征和宽度特征对提取出的步态轮廓进行描述,得出的小波矩特征和宽度特征根据重要性作为总体特征输入,运用Choquet模糊积分融合选取SVM分类器进行识别,识别结果与最新的线性加权融合识别方法进行比较,结果表明Choquet模糊积分方法有较好的识别效果。     

模糊逻辑在图像融合中的应用

为了克服传统小波变换图像融合在重构时易丢失边缘信息的缺点,提出了一种基于积分的模糊逻辑融合算法.该算法首先由经J层小波变换后的小波系数特征来确定隶属度函数,再依据小波系数局部窗口内的标准差构造模糊优越程度,然后经积分得到融合后的小波系数,再经小波逆变换得到融合图像.实验结果表明,该方法优于传统的小波变换融合规则,而且能更好地保留源图像信息,在空间细节信息的增强和光谱信息的保持两个方面的综合性能得到提高,从而证明了该方法的有效性和优越性.     

基于模糊积分分类器融合的人脸识别

提出一种基于模糊积分分类器融合的人脸识别算法。对人脸图像进行小波变换,选取合适的小波基函数及有效的分解层数,提取低频分量系数作为分类特征设计分类器。对原图像采用2DPCA进行特征提取设计另一分类器,采用模糊积分的算法融合2个分类器并得出最终分类识别结果。实验结果表明,模糊积分能够有效融合分类器的互补信息,提高系统的分类性能,从而提高人脸识别率。     

基于Choquet积分和LP的图像融合方法

针对长波红外偏振图像特征,论文提出了一种基于Choquet模糊积分和拉普拉斯金字塔变换的红外偏振图像融合方法。首先利用Choquet积分选择经偏振解析后的最佳偏振参量图像,然后通过拉普拉斯金字塔分解红外光强图像和被选取偏振参量图像,对顶层采用区域平均梯度最大,对I层采用区域能量选取处理方法,再经过拉普拉斯金字塔反变换得到最终融合图像。实验结果表明,论文提出的融合算法在凸显参加融合图像的共有信息同时保留它们的特有信息,且提高了融合图像的细节信息,利于后期做目标检测的研究。     

基于多特征模糊聚类的图像融合方法

首先利用模糊C-均值聚类算法在多特征形成的特征空间上对图像进行区域分割,并在此基础上对区域进行多尺度小波分解;然后利用柯西函数构造区域的模糊相似度,应用模糊相似度及区域信息量构造加权因子,从而得到融合图像的小波系数;最后利用小波逆变换得到融合图像.采用均方根误差、峰值信噪比、熵、交叉熵和互信息5种准则评价融合算法的性能.实验结果表明,文中方法具有良好的融合特性.     

多决策树的模糊积分融合在银行信贷管理系统中的应用

为了提高基于数据挖掘的商业银行信贷管理系统的信贷风险评估水平,将多决策树的Choquet模糊积分融合(MTCFF)模型应用到银行信贷管理系统中。基本思想是采用决策树在已知类型的客户数据上进行挖掘,按照决策树剪枝程度不同形成不同的决策树并产生规则,利用所生成的不同决策树的规则,对未知类型的客户数据进行分类,然后让Choquet模糊积分对多棵决策树的分类结果进行融合,形成最优判断。采用UCI数据库中German客户信用卡数据集进行验证,实验证明Choquet模糊积分的非线性融合效果优于单棵决策树的分类效果,也优于其他线性融合方法,并且Choquet模糊积分要优于Sugeno模糊积分。     

多决策树的模糊积分融合在银行信贷管理系统中的应用

为了提高基于数据挖掘的商业银行信贷管理系统的信贷风险评估水平,将多决策树的Choquet模糊积分融合(MTCFF)模型应用到银行信贷管理系统中。基本思想是采用决策树在已知类型的客户数据上进行挖掘,按照决策树剪枝程度不同形成不同的决策树并产生规则,利用所生成的不同决策树的规则,对未知类型的客户数据进行分类,然后让Choquet模糊积分对多棵决策树的分类结果进行融合,形成最优判断。采用UCI数据库中German客户信用卡数据集进行验证,实验证明Choquet模糊积分的非线性融合效果优于单棵决策树的分类效果,也优于其他线性融合方法,并且Choquet模糊积分要优于Sugeno模糊积分。     

Choquet积分的模糊化扩展II型

重点讨论Choquet积分的II型模糊化扩展形式。相对于Choquet积分的模糊化扩展I型,II型扩展支持模糊数的被积函数,并给出精确数的积分结果。基于带符号的模糊测度,分别讨论了Choquet积分的模糊化扩展II型的计算方法和相关算法。并用实例说明:Choquet积分的模糊化扩展II型作为一种聚合工具在处理涉及非精确数的数据挖掘问题(例如:推理和回归问题)上的实用价值。     

基于累积前景理论和Choquet积分的直觉梯形模糊多属性决策

针对属性值为直觉梯形模糊数且属性存在关联性的风险决策问题, 提出一种基于累积前景理论和Choquet积分的直觉梯形模糊多属性决策方法。根据直觉梯形模糊数距离公式定义了直觉梯形模糊信息的前景价值函数, 通过价值函数和决策权重函数计算方案单属性前景值, 并运用Choquet积分融合属性间存在关联性的前景价值信息获得方案综合前景值, 根据综合前景值的大小实现方案的排序和优选。风险投资实例分析说明了该方法的可行性。     

基于线性判别分析的Choquet积分的符号模糊测度提取

在解决分类问题时,建立在Choquet积分上的分类器以其非线性和不可加性的特点,扮演着越来越重要的角色。由于Choquet积分中的符号模糊测度可以描述各特征对结果的影响,因此Choquet积分在解决数据分类及融合 问题方面具有显著的优势。但是,关于Choquet积分符号模糊测度值的求解,学术界一直缺乏有效的方法。目前最常用的方法是遗传算法,但是遗传算法在解决符号模糊测度值的优化问题时存在算法较为复杂、耗时较长等缺陷。由于符号模糊测度值在Choquet积分分类器中是决定性的重要参数,因此设计出一种有效的符号模糊测度提取方法十分必要。文中提出基于线性判别分析的Choquet积分符号模糊测度的提取方法,推导出在分类问题下Choquet积分的符号模糊测度值的解析式表达,其能够有效、快速地得出关键性参数。分别在人工数据集及基准实际数据集上进行测试与验证,实验结果表明所提方法能有效解决Choquet积分分类器中符号模糊测度的优化问题。     

视网膜CT和MRI病变信息辅助诊断算法

视网膜图像病变信息的计算机自动提取算法是计算机智能辅助诊断的关键和难点。本文根据CT和MRI视网膜图像的成像机理不同以及诊断的需要,通常将具有不同细节的多源图像融合到一幅图像中去,在小波变换后的矩阵系数上,采用模糊隶属度函数量化的方法来融合视网膜图像,结合了小波分析以及模糊理论的优越性,使融合后的图像包含更丰富的细节和更全面的信息,实验证明,该方法融合效果好、性能佳,突出了多源图像的细节信息。     

一种新型全息图的编码方法

为了提高计算全息图的衍射效率,以目前计算全息领域中显示纹理较为清晰的傅里叶全息图为基础,提出了一种新的全息图制作与显示方法。采用离散余弦变换生成相应的全息图,采用逆离散余弦变换对其进行重构。通过该方法所得的全息图的衍射效率比采用傅里叶算法的全息图的衍射效率提高了13.65%,有效衍射效率提高了56.82%,从计算机模拟再现的结果可以看出,得到了一种显示效果清晰的、衍射效率更高的新型全息图。     

一种基于小波变换的多聚焦图像融合方法

提出了一种改进的基于小波变换的多聚焦图像融合方法。该方法采用小波变换对源图像进行多尺度分解,得到高频和低频图像;对高频分量采用基于邻域方差加权平均的方法得到高频融合系数,对低频分量采用基于局部区域梯度信息的方法得到低频融合系数;进行小波反变换得到融合图像。采用均方根误差、信息熵以及峰值信噪比等评价标准,将该方法与传统融合方法的融合效果进行了比较。实验结果表明,该方法所得融合图像的效果和质量均有明显提高。     

基于小波变换和模糊理论的裂纹图像增强算法

针对传统图像增强算法的缺陷, 提出了一种基于小波分析和模糊理论的图像增强算法, 该算法先对原始图像进行小波变换得到图像的高频和低频小波系数, 再定义新的模糊隶属度函数对低频系数进行模糊增强, 对不同方向上的高频系数进行小波阈值去噪, 通过小波重构得到增强后的图像, 所有算法通过Matlab编程验证, 能有效的增强图像, 改善图像的视觉效果. 实验结果表明, 算法是可行有效的.     

一种新的X射线手提行李图像增强方法

针对X射线图像的特点,提出了一种新的X射线手提行李图像增强方法。首先,应用离散小波变换（DWT）对图像进行去噪、融合,然后,结合模糊理论在模糊空间实现图像增强。同时将本文方法与基于灰度分组(GLG)的增强方法、基于直方图均衡 (HE)的增强方法做了比较,实验结果表明,本文方法可以有效地提高图像的清晰度,具有较好的推广能力。     

一种新的基于小波变换的多聚焦图像融合算法

提出了一种基于小波变换的多聚焦图像融合算法（简记为WMFFA）。首先综合源图像求得参照图像,并对源图像和参照图像分别做小波变换,将其分解成低频和高频图像,然后求出源图像的每个小波系数与参照图像中对应位置上的小波系数之间的距离,按照距离特征从源图像中选取小波系数,组成融合后的小波系数并进行小波反变换,得到融合图像。对提出的融合算法性能进行了评价与分析,结果表明提出的算法对多聚焦图像融合是有效的。     

全色遥感图像中城区的快速模糊分割算法

提出一种全色遥感图像中城区的快速模糊分割算法。该算法基于模糊集理论,根据贝叶斯准则建立相应的隶属函数,并分析选取城区在全色图像中有效的特征,逐步实现城区的分割。实验以SPOT-5全色图像为例,并对模糊训练的可靠性进行分析,最后与区域增长法和多尺度几何信息分割算法进行比较。实验表明,该算法简单准确快速,能够为一些重要的应用提供有效支持。     

Image fusion using intuitionistic fuzzy sets

Image fusion is the process of combining one or more images which are obtained from different environment into a single image which is more useful for further image processing tasks. Image registration and image fusion are of great importance in defence and civilian sectors, particularly for recognizing a ground/air force vehicle and medical imaging. In this paper a new way is drawn to fuse two or more images by using maximum, minimum operations in intuitionistic fuzzy sets (IFSs). IFSs are more suitable for image processing since every digital image have lot of uncertainties. In processing phase, images are reformed into intuitionistic fuzzy images (IFIs). Entropy is employed to obtain the optimum value of the parameter in membership and non-membership function. Then the resulting IFIs are disintegrated into image blocks and the corresponding blocks of the images are reunioned by finding the count of blackness and whiteness of the blocks. This paper evaluates the performance of simple averaging (AVG), principal component analysis (PCA), discrete wavelet transform (DWT), stationary wavelet transform (SWT), dual tree complex wavelet transform (DTCWT), multi-resolution singular value decomposition (MSVD), nonsubsampled contourlet transform (NSCT) and IFS (proposed method) in terms of various performance measure. The experimental and comparison results show that luminance and contrast is of great importance for image processing and prove that the proposed method is better than all other methods.